AI首次检测到慢性压力的物理体征。
这项先进技术被用于评估常规胸部扫描。
美国研究人员利用深度学习AI模型，识别出可通过常规成像检测到的、属于首创的慢性压力生物标志物。他们表示，这一突破可能带来更快、更有效的治疗方法。
慢性压力会影响身体和心理健康，导致一系列健康问题，包括焦虑、失眠、肌肉疼痛、高血压和免疫系统减弱。先前的研究表明，慢性压力可能导致抑郁症、心脏病和肥胖等重大疾病的发展。
新研究的主要作者埃琳娜·戈特比博士(Dr. Elena Ghotbi)开发并训练了一个深度学习模型，用于测量现有CT扫描中的肾上腺体积。仅在美国，每年就有数千万次胸部CT扫描。巴尔的摩约翰霍普金斯大学医学院博士后研究员戈特比博士说："我们的方法利用了广泛可用的影像数据，并打开了利用现有胸部CT扫描对各种条件下慢性压力的生物影响进行大规模评估的大门。这种由AI驱动的生物标志物有望在不进行额外测试或辐射的情况下，增强心血管风险分层并指导预防性护理。"
北美放射学会资深作者沙普鲁·德梅赫里博士(Dr. Shadpour Demehri)表示，慢性压力是许多成年人日常面对的普遍状况或主诉。他说："我们首次能够'看到'体内长期压力负担，使用的是全国医院每天患者常规进行的扫描。在此之前，除问卷调查、慢性炎症等替代血清标志物以及难以获取的皮质醇测量外，我们没有方法测量和量化慢性压力的累积效应。"
研究人员解释，与仅提供压力水平瞬时快照的单次皮质醇测量不同，肾上腺体积如同慢性压力的生物气压计。
研究团队从一项综合研究中获取了2842名平均年龄69.3岁参与者的数据，该研究结合了胸部CT扫描、经验证的压力问卷、皮质醇测量以及稳态负荷标志物——即慢性压力对身体产生的累积生理和心理效应。
研究团队将深度学习模型应用于CT扫描，以分割和计算肾上腺体积。唾液皮质醇在两天内每天收集八次。稳态负荷基于身体质量指数(BMI)、肌酐、血红蛋白、白蛋白、葡萄糖、白细胞计数、心率和血压确定。
研究评估了AI-derived肾上腺体积指数(AVI)与皮质醇、稳态负荷以及包括抑郁和感知压力问卷在内的心理社会压力测量之间的统计关联。
团队发现，AI-derived AVI与经验证的压力问卷、循环皮质醇水平及未来不良心血管结局相关。较高的AVI与更大的皮质醇、峰值皮质醇和稳态负荷相关。高感知压力的参与者相比低压力者具有更高的AVI。AVI还与较高的左心室质量指数相关。AVI每增加1 cm³/m²，心力衰竭和死亡风险就更高。
戈特比博士表示："凭借对参与者的长达10年随访数据，我们能够将AI-derived AVI与临床意义重大的相关结局相关联。这是首个经验证并显示对心血管结局（即心力衰竭）具有独立影响的慢性压力影像标志物。"
研究合著者、加州大学洛杉矶分校(UCLA)流行病学教授、压力与健康领域领先研究员特蕾莎·西曼(Teresa Seeman)教授说："三十多年来，我们一直知道慢性压力会通过多个系统磨损身体。这项工作令人兴奋之处在于，它将常规获取的影像特征——肾上腺体积——与经验证的压力生物学和心理测量联系起来，并表明它能独立预测主要临床结局。这在将压力对健康的累积影响操作化方面是真正的进步。"
约翰霍普金斯大学放射学教授德梅赫里博士表示，通过将"易于测量"的影像特征与压力和下游疾病的多个经验证指标联系起来，这项研究引入了一种全新的、实用的量化慢性压力方法。他补充道："这项工作的关键意义在于，该生物标志物可从美国广泛进行的各种原因CT扫描中获取。其次，它是肾上腺体积的生理学合理测量，属于慢性压力生理级联的一部分。"
研究人员表示，该影像生物标志物可用于与中老年人慢性压力相关的多种疾病。相关成果将于下周在芝加哥举行的北美放射学会(RSNA)年会上公布。
【全文结束】
